月度归档:2017年07月

埃隆马斯克说要大力推广的太阳能屋顶,这家中国公司也“搞出来了”

2016 年 10 月,一向热衷于“搞事情”的埃隆马斯克发布了一款新产品, Solar Roof,即太阳能屋顶。

说是屋顶,其实是一款新型瓦片,还是以太阳能利用为主,将太阳能发电板的功用与传统瓦片的设计结合,取代了传统瓦片或常见的太阳能电板,达到发电和美学设计的双重要求。

现在,埃隆马斯克的这款瓦片还没在市场大范围推广,国内的清洁能源公司汉能薄膜发电集团(00566.HK)也发布了自己的太阳能瓦片,名为汉瓦。

此次发布的汉瓦系列产品分为曲面、平板、倒 C 型三款,其将铜铟镓硒 (CIGS) 薄膜太阳能芯片通过内外双层的夹胶封装工艺,封装在高透光度玻璃内层中,以保持薄膜太阳能的高转换率,同时满足建筑的审美需求。

三拱曲面瓦纹理

此次汉瓦采用的是柔性薄膜太阳能技术,芯片量产转换率可达到17.5%。

当然,安全性也是必须提前考虑的一项重要因素,在防水性能方面,汉瓦配备了玻璃材质、U 型挡水条、F 型卡槽等三重特殊防水设计,结构上,也有相对完善的防风、防雷击等,并可满足零下 40 到零上 85 摄氏度环境下的正常发电。

再说一下这款被汉能控股集团董事局主席李河君形容为“终于搞出来了”的新产品的具体参数。汉瓦美素产品透光率大于 91.5%,尺寸为 709*500*41(mm),重量在 10kg 左右,有青、黑两种颜色,功率 30W。

汉能集团是国内比较领先的清洁能源公司,虽然业务范围较为广泛,但眼下,其最常进入公众视野的一款产品应该就是摩拜单车车筐里的那块太阳能电池板。

三层曲面瓦分层

根据马斯克的计算,美国目前有 4000 多万个新屋顶,全世界范围内,这一数据还要再扩大 20 倍,尤其在中国这种急速发展的国家中,市场前景是非常可观的。但是就汉瓦眼下1390元/平方米的价格,要在市场大范围推广,降低成本绝对是必要的。

以现场演示的情况来看,汉瓦因为结合了传统的瓦面设计,在美观度上是完全达标的,电能转化方面,相信通过技术的迭代还可以再逐渐提高,横在埃隆马斯克和“中国的埃隆马斯克们”面前的问题还是成本,成本,成本。

雷锋网推荐阅读:《太阳能瓦片:马斯克的新武器登场》

雷锋网

苹果采集车正在世界各地收集数据,或为自动驾驶铺路

苹果造车的传闻还未止,他们的下一步战略就已经出发了。雷锋网新智驾消息,日前,美国匹兹堡街道上出现了一些装配了摄像头和激光雷达等传感器的车辆,据介绍,这些车辆被苹果部署用于采集道路数据等信息,其目的,一方面,是要优化苹果地图产品与谷歌竞争,另一方面,也将为未来自动驾驶的全面布局铺路。

雷锋网新智驾通过外媒了解到,这些采集车均标有“苹果地图”LOGO,外形是白色的厢式货车,车顶面向四个方向配置了摄像头传感器,有目击者称在匹兹堡曾看到这些车辆行驶。而就在不久前,苹果官方网站已经坐实了这个消息,据官网文件指出,苹果的厢式货车正在美国、英国、法国、意大利、西班牙等地进行数据收集公司,对于此行的目的,官方辞令是“用于提升苹果地图产品性能”。

另据苹果方面声明表示,他们采集到的图像数据中,一些人脸、车牌等信息将由于隐私问题被模糊处理,因为这些数据将来可能会被载入到苹果地图APP中。根据官网给出的时间表,苹果采集车在接下来的一段时间,将遍历美国阿勒格尼、比弗、印第安纳、华盛顿等地,至少持续到 8月13号。

苹果此行大举将采集规模遍布诸多国家和城市,可能确实如官方所言,能够帮助苹果优化其地图产品,并打造类似谷歌“街景地图”的功能(谷歌街景地图自2007年在美国上线),但另一方面,据外媒透露,这种采集车同样携带了激光雷达传感器,而这些传感器将帮助苹果构建富含更多位置信息的3D地图,为地图APP创造更具沉浸感的街景体验,甚至是用于一些虚拟现实应用场景中。

更令人关注的应用还属自动驾驶,今年6月,苹果CEO Tim Cook曾对媒体否认了苹果造车一事,但积极表示,苹果正在自动驾驶软件层面投入精力。

另一方面,谷歌也于近日宣布了大范围的数据采集计划,数据除用于其街景地图外,还可能有更拓展的应用场景。两家巨头的新一轮数据布局已经开场了。

雷锋网推荐阅读:苹果造车传闻再现?这回的搭档是中国电池制造商宁德时代

雷锋网

AI应用于会计行业,每年或为企业节省数百万美元

AI给社会带来的改变是巨大的。在人工智能能够“胜任”的工作中,虽然开始研发时耗资耗时巨大,但一旦成功应用之后带给企业的利益是无穷大的,本文将介绍AI该如何更好地应用于会计行业。

应用介绍

在很多工作中,储备再多知识也许对“下一个难题”也会束手无策。

幸运的是,相关科技企业已经开发出更好、更快的知识检索程序,让用户使用自然语言查询和谷歌搜索等方式便可查找及了解信息。

但问题又出现了,在医学和法律等领域,就算筛选出所有相关结果和信息,找到用户想要了解的“知识点”也变得越来越困难,特别是在医学领域,虚假和误导性的信息多不胜数,一不小心就会带来灾难性的后果。

而人工智能和机器学习的出现就很好解决了这些问题。雷锋网了解到,目前已经有像IBM沃森这样的应用程序,成功地诊断出了一些非常罕见的医学难题;有像ROSS这样的系统为律师事务所提供人工智能解决方案。

那么除了法律和医学领域,AI将如何帮助到会计师群体呢?从个人角度来说,会计师在日常工作中任务繁多,有很多实际需求得不到解决;从行业角度来看,目前会计行业从业人数已达饱和,但比较缺乏高级专业人才,对于很多企业来说,想要从会计师那边得到专业的商业咨询比较困难,而这直接影响到相关企业得到正确的、符合法律法规的财务报告。

那么AI将如何帮助解决这个问题。

目前AI相关公司通过大量的训练来帮助解决这些问题。但值得注意的是,企业仍然需要会计师来对执行结果进行“把关”筛选,因此它只会更好地服务人类,而不是取代会计师的工作。如果相关技术能够一直发展完善并得到用户的认可及使用,它将为用户节省大量的时间和金钱。

应用接口

那么,人工智能系统如何与会计师及企业进行交互?——聊天机器人。

聊天机器人变得越来越普遍,用户可以通过其进行自然语言查询,或者通过语音识别组件与之交谈,查询处理器连接到人工智能,然后人工智能连接到企业的数据库以及互联网,为用户带来丰富的专业信息。这些通常有多个组件用于语音输入、自然语言处理、了解各种业务领域的专业知识,以及多种呈现结果的方式。

在使用过程中,有一些聊天机器人以失败告终,比如微软的Twitter聊天机器人,很快就变成了一个“种族主义者”。不过,据雷锋网了解,目前已经开始看到一些成功案例,比如Sage的Pegg或荷兰航空公司的Messenger机器人。此外,像Alexa、Siri和Allo这样的通用机器人也变得相当智能,还有一些非常棒的工具包,比如Amazon Lex,它可以用来开发聊天机器人,因此对于越来越多的开发人员来说,这将变得非常容易。

产品建议

在产品功能的实现上,有一些糟糕的例子,比如微软Clippy。

随着以用户为中心来设计产品的理念产生,如何更少地打扰用户并帮助用户解决实际问题成为首要要求。一般来说,这些应用都必须具备‘实用’功能,并且使用方便,不要太过花哨,当程序别应用时,它们最好还要自动学习和随机应变,为用户提供更多有价值的、可靠的信息。

如果这些技术与AI结合在一起,该应用就可以知道用户正在做什么、需要什么,并提供相关信息予以帮助。例如,建议使用一个不同的总帐科目(G/L Account)来做更好的财务报告,也许由于各地规定不一,发票上的销售税应该有所不同,因此添加到对应会计文件的附加项目也会有所不同,而这时,AI应用就可以提出建议。

离线监测

除了上述所说,在大多数大型企业中,使用业务应用程序的人对“会计业务”的需求不是很多。大多数的数据录入人员必须遵守公司程序,如果他们改变了相关工作内容(就算是错误的内容),也会被企业解雇。在此情形下,AI可以监视业务中正在发生的事情,并向他们提出警告。

总结

可能对于大多数小企业主来说,他们都“不太喜欢”会计师,因为他们必须要交企业所得税,在此过程中,他们做的都是政府的最低要求,并且不太注意结果。

但是,随着公司不断壮大,财务数据会越来越多,即时地了解这些数据将变得非常重要。管理库存、A/R和A/P对公司的现金流和盈利能力有巨大影响,正确和主动地处理一些数据可能会节省大量的时间和成本。

过去,处理这些复杂程序需要庞大的IT部门,在软件上投入了数百万美元,而且只有大型企业才能使用。随着人工智能和机器学习的发展,这些复杂的功能可以集成到所有中小企业使用的业务应用程序中。

via Stephen Smith's Blog 雷锋网编译

雷锋网

我试驾了特斯拉 Model 3,这几个知识点你需要知道

雷锋网按:这款史上最实惠的特斯拉到底表现如何?本文由雷锋网编译。

在特斯拉的产品线中,Model 3 无疑是最新也是“最实惠”的车型。不过,当我踩下 Model 3 的电门,马上就找回了那熟悉的感觉,这还是一辆特斯拉。

Model 3 行驶起来依然安静异常,同时标志性的疯狂加速也没丢失,而且 AutoPilot 半自动驾驶功能也没被阉割。

虽然特斯拉 CEO Elon Musk 时时提醒用户:Model S 才是特斯拉真正的旗舰轿车,但如果你不是样样追求极致,那么 Model 3 绝对能满足你。

在我看来,这辆车可以称得上是汽车行业的新临界点,它的到来意味着电动车和其配套基础设施终于要进入全盛时期。

不过,特斯拉的命运还需要时间来证明,Musk 必须赶在一个最后期限前完成生产任务,毕竟 Model 3 的订单数已经突破 50 万,特斯拉的工厂一旦出现问题,Musk 和团队将会感到交付的压力。不过从今天的交车仪式来看,特斯拉依然前途光明。

为了保证量产速度,特斯拉只为 Model 3 准备了两款配置:

  • 一款是售价 3.5 万美元的基础版,它续航里程为 220 英里(约合 354 千米),0-60 英里/小时加速 5.6 秒;

  • 另一款续航能力则提升到 310 英里(约合 499 千米),加速也快了 0.5 秒,不过售价提高到了 4.4 万美元。

需要注意的是,这两款配置都采用单电机后轮驱动,双电机四驱版本可能几个月后才会正式推出。

当然,特斯拉也提供选装服务,当然价格也不低。举例来说,Autopilot 套件 5000 美元,而包括超大玻璃车顶、前排座椅调节和木质装饰在内的白金升级包,则需要另加 5000 美元。如果特斯拉到时放开全自动驾驶功能,想要激活还得再支付 3000 美元。

从外观来看,Model 3 就是一辆小号的 Model S,它的后备箱并未采用掀背设计。不过特斯拉依然表示,只要放倒后排座位,车里就能顺利塞下一辆山地车。

虽然也采用了隐藏式门把手,但 Model 3 的门把手不会自动弹出,它采用的是按压式开启,用户的手机需要通过蓝牙连上 Model 3 才能完成解锁等操作。

同时,Model 3 也将传统的车钥匙换成了一张类似酒店房卡的物件,用这张卡碰一碰车辆 B 柱,就能完成解锁。

内饰设计是 Model 3 最与众不同的地方,它将极简风格贯彻到了每一个角落,看起来满满的北欧风。

“在特斯拉,所有东西都必须符合美的标准。”特斯拉首席设计师 Franz von Holzhausen 说道。“我们将不需要的东西统统砍掉,打造了这样干净极简的内饰。”

不过,Model 3 的内饰也相当简洁,除了那块 15 英寸的横置大屏外,传统汽车上的按钮、开关甚至连仪表盘都被设计师砍掉了,空调、电台、导航、头灯等都要通过屏幕来调节。

Model 3 内饰中的另一大亮点其实是空调出风口的设计,一个长条出风口贯穿整个中控台,一点也没有突兀的感觉。

虽然与传统的机械式出风口相比这样的设计有些为了极简而极简,但特斯拉表示它的设计其实省去了不少活动的部件。对细节无微不至的关注,恐怕也是大家成为特斯拉粉丝的重要原因吧。

落座之后轻踩 Model 3 的油门,这辆车就会迅速窜出去。电动车的加速总是令人惊讶,Model 3也一样,它虽然比不了 Model S 的“狂暴模式”,但未来的高性能版本恐怕不会让人失望。

虽然这是特斯拉最便宜的车型,但 Model 3 依然做工扎实,无论车身还是电动机都没有异响,你能听到的声音只有风燥和胎噪。

在档位设计上,特斯拉用了类似奔驰的怀档,方向盘右边的控制杆可以控制泊车、倒车、空档、前进和 Autopilot 等功能。此外,Model 3 的方向盘上还有两个滚轮,作用是执行如调节音量和后视镜等操作。

虽然价格比 Model S 低得多,但 Model 3 的 Autopilot 套件里传感器并未减少(8 颗摄像头、雷达、超声波传感器和车载计算平台)。

眼下,Autopilot 功能较为有限,但 Musk 保证未来会给用户带来全自动驾驶功能,只是升级时间还是未知数。

Model 3 并非市面上首款面向大众市场的电动车,雪弗兰 Bolt 和宝马 i3 都是其竞争对手,但在同样的售价下,恐怕没人能抗拒 Model 3 的魅力。

在 Musk“硅谷钢铁侠”的光环之下,特斯拉已经进入了许多人的“必买清单”,Model 3 如此良心的定价换来 50 万张订单也是情理之中。

在 Model 3 的交车仪式上,特斯拉员工倾巢出动,他们见证了 Musk将车钥匙(卡)交给首批 30 位车主(都是特斯拉员工)的历史性时刻。

首批 Model 3 全部卖给自家员工不但是为了奖励他们的付出,也是为了让他们成为 Model 3 首批“小白鼠”,找出车辆存在的缺陷。

在短暂的交车仪式结束后,特斯拉的员工们又回到工厂开始紧张的工作。 Musk 表示:“为了满足用户需求,未来 6 个月我们将经历地狱般的挑战。”

确实,特斯拉明年可是要完成 50 万辆的年生产目标。

雷锋网推荐阅读:

卖出了iPhone效果的特斯拉Model 3,终于交付了首批车主30辆车

雷锋网

ACL前瞻:国内五篇作品入选杰出论文,华人话语权日渐显现|ACL 2017

ACL是自然语言处理和计算机语言学最顶尖的会议之一,被CCF(中国计算机学会)推荐为A类国际学术会议,涵盖领域包括语言分析、信息抽取、机器翻译与自动问答等。今年的ACL将于2017年7月30日至8月4日在加拿大温哥华举行。雷锋网AI科技评论将赴前线带来一手报道,并对论文及大会概况进行梳理。

先上一组数字了解下今年ACL的投递情况:

根据统计,本届会议共收到1419篇论文,其中长文829篇、短文590篇,最终录用长文195篇(录用率23.5%)、短文149篇。

在被录用的长文论文中,有79篇论文的第一作者为华人,约占被录用长文总数的40%。根据jeffhuang所统计的消息,自1996年以来的ACL最佳论文及作者列表如下:

从列表的第一作者及所属机构中,我们不难发现,从2001年开始鲜少出现华人面孔,而一直到2008年,最佳论文的第一作者才出现华人身影,身份归属于海外高校;而在2012年,清华大学也有论文获得最佳,这也从某种程度上显现了华人的科研力量。

在6月份,ACL组委会也公示了杰出论文(outstanding paper)的名单,其中复旦大学的黄萱菁团队、清华大学孙茂松团队、北京大学万小军团队和王厚峰团队,以及中科院自动化研究所包红云团队,各有一篇论文入选本次的杰出论文。完整的杰出论文名单如下,在8月2日会议期间,以上杰出论文将会做现场展示,敬请期待。

虽然海外学术依然占据主导地位,但雷锋网AI科技评论也从中看到了华人正在拥有越来越多的话语权,此外,近年来国内论文分享会、研讨会的盛行一方面反映出各个研究机构对人才的重视,另一方面也凸显研究机构的产出颇丰。

今年 4 月 22 日,中国中文信息学会青年工作委员会联合腾讯公司针对这次会议在北京举办了一场「ACL 2017 论文报告会」,邀请了国内部分被录用论文的作者针对其论文进行主题报告,仅清华就有7篇论文被收录;而微软亚洲研究院于上周举办了“ACL 2017论文研讨会”,它们在今年ACL上共有6篇长文及一篇demo文章被收录。

除了论文的高产出,我们也越来越多听到了组委会里的华人声音,比如在2016年12月,微软亚洲研究院首席研究员周明博士当选新一届 ACL 候任主席。按照以往惯例,此次周明博士当选候任主席后,将逐年履行候任副主席、副主席职责,然后自动晋升为主席。主席由 ACL 全体会员投票选举产生,其除了要在 NLP 领域有突出成果和贡献,还需有带领 ACL 持续攀登高峰的卓越领导才干。此前雷锋网也做过相应的覆盖和报道。

而除了周明博士外,2013 年 1 月,百度基础技术首席科学家王海峰博士出任 ACL 主席,成为该顶级学术组织五十年历史上第一位华人主席。

正像AAAI、CVPR等国际顶会一样,我们近年来见到了不少华人的身影,这也意味着华人不仅是从科研水平或是领导力量来看,都有着令人期待的一面。

雷锋网

继滴滴之后,共享单车是否正在成为一个靠谱的商业模式?

雷锋网按:本文作者 胡嘉琪。

不久前,来自20个国家的外国青年评选出了中国的新“四大发明”:入选的发明包括高铁、支付宝、共享单车和网购。作为新“四大发明”之一的共享单车,2017年得到了全面的爆发,根据艾瑞数据显示,2016年中国共享单车市场规模达到12.3亿元,用户规模达到0.28亿人。预计到2017年全年,中国共享单车市场觃模将达102.8亿元,增长率为735.8%。用户规模预计在2017年将达2.09亿人,将继续保持超高速增长。

 经过近2年的发展,共享单车现已经成为资本市场最热的宠儿,甚至间接拉动了各种如共享充电宝、共享雨伞等项目。但随即而来的是,坊间不乏各种对共享单车模式的质疑,甚至有人认为共享单车已经充满了泡沫。但种种质疑均掩盖不了的事实是,共享单车项目被资本市场疯狂追捧,甚至目前滴滴派驻自身三位高管进驻ofo,协助争夺白热化的市场。

 面对竞争已经进入下半场的共享单车领域,我们希望复盘一下,共享单车究竟是不是继Uber、滴滴之后,另一个靠谱的商业模式?

 为了回答这个问题,我们优先需要深入理解共享单车的运营逻辑。本质上看,共享单车的运营逻辑,可以描述为:共享单车运营商通过募集资金,采用自主/半自主研发,驱动自行车行业上游生产商大规模标准化生产单车,并以重资产的方式选择重点城市投放出去,通过智能锁(或机械锁+客户端)创造性地解决了异地还车的难题,在收取用户押金后提供单车分时租赁服务,同时组织本地后勤团队维护单车的损耗。

 从上述这个运营逻辑,我们可以清晰看到现在的共享单车,根本谈不上是共享经济,实际上只是一种重资产的单车租赁模式而已。或者说,是多年前早已存在的市政有桩共享单车的互联网+升级版,比起共享单车这个更倾向于驱动资本方的叫法,可能叫做“网租单车”更为恰当。

 当时,单纯把共享单车通过租赁模式去分析,恐怕还没足够深入到共享单车商业模式的核心,因为还有一个关键因素——押金仍未考虑。我们知道,共享单车是一项高频应用,瞄准用户上下班/出行最后一公里的需求,活跃用户并不会频繁退押金,这些押金构成了共享单车庞大的押金资金池,而这个资金池会产生利息收入。

 从资金利用的角度看,实际上可以将共享单车看作是一项带杠杆的利率产品。我们以摩拜为例,根据公开资料显示,截止到今年5月摩拜已经累计全国投放450万台单车,由于型号众多,摩拜准确的每台生产成本我们难以精确获得,如果以一台800元算,则固定资产投入36亿元;那这笔固定资产撬动了多大规模的押金资金池?我们先来分析一下摩拜的活跃用户数规模。

 根据艾瑞APP指数数据,2017年5月摩拜日均独立设备数为794万,可认为摩拜活跃用户数规模约在800万左右,按每个用户押金299算,资金池为24亿,当然考虑沉默用户因素后,资金池实际金额会高于24亿,而这个资金池,每年可以稳定获得1~2亿的利息收入,因此在摩拜能实现运营成本——收入平衡的前提下,可将摩拜看为一个杠杆率约为0.7倍的固定利率产品(24亿除以36亿,由于没考虑沉默用户押金,0.7有低估风险)。如果将上述分析逻辑套到野蛮生长ofo的话,因为小黄车的造价远低于摩拜,ofo的杠杆率会达到1倍甚至2倍的水平。考虑到资金池利息收入的无风险性,相比大部分导入期的项目,其ROI实属已经不错了。

 我想这也是为何ofo在充满质疑声中,依然能获得资本市场看好、并取得行业目前最高融资总额的核心原因之一。而ofo也顺水推舟把新用户的押金提高到199元。用户可能并没大家想象的这么在乎单车的科技感和质量,单车的绝对数量优势在解决用户最后一公里问题上带来的收益会更高一些,这点最能拉动活跃用户总量从而维持资金池规模的稳定。当然最重要的是,带来更高的杠杆率。

 当然,上述分析的前提,是共享单车项目能维持运营成本——收入的平衡。这点共享单车是否能做到?

 首先我们来看成本侧,共享单车的运营费用大体可由单车折旧、运营人员费用、零配维修费用和市场费用组成。仍然以摩拜为分析对象,其投放的450万辆单车对应的36亿元固定资产投入将会在2年内折旧完毕,平均每年折旧费用为18亿;如果按每年损耗率(被偷、被破坏、丢河里等情况)为10%算,年均资产减值约3亿;地面运营团队方面,如果按每500辆单车配一名运营员,负责单车的管理和调度运输,人力成本5000元人月算,每年人工支出约为5亿;维修成本方面,由于摩拜质量较好,按维修率5%、单次维修费用200元算,每年维修成本5千多万;市场费用较难估算,考虑到摩拜做推广的力度,费用至少在1~2亿以上。再考虑其他不可预见费用,摩拜一年的运营成本可能在28~30亿规模。

成本项 费用估计(年)
固定资产(单车)折旧 18亿
单车非正常损耗(被偷、破坏) 3亿
人力成本 5亿
维修成本 0.5亿
市场费用 1~2亿
其他费用 1~2亿
年运营成本估计区间 28~30亿

 

接下来看收入侧。按摩拜800万日活用户平均每天2单计算,摩拜平均一天订单级别会在1600万的规模,如果每单摩拜能获得0.5元收入的话,摩拜一年的订单收入能达到29亿的规模。当然考虑到目前共享单车大量的红包补贴和免费骑行活动,0.5元/单是一个非常乐观的估计,目前也是达不到的。但如果以滴滴为案例考察,当共享单车项目迈入成熟期后,这个数字我认为实际上是可以预期的。

 共享单车另外一块潜在收入来源是广告收入。当然目前大部分共享单车已经在做品牌联合推广,但这方面真正的潜力仍未得到深入挖掘,一方面是因为虽然无论是摩拜还是ofo都达到了用户规模千万、日订单2千万的规模,但由于用户打开APP频率低、驻留时间短等原因,以及缺乏用户标签去精细化区分流量,以及摩拜、ofo本身对用户体验的考虑,流量并未得到有效变现。当然随着共享单车的运营,把单车大数据做大做实,比如根据用户出行规模和档案做精细化划分,共享单车的广告收入是可以期盼的,当然另外一个点是单车本身的车身广告。

 通过上述初略的估算,共享单车实际是可以做到营收平衡的,当然上面数据本身的推导未必十分精确,通过进一步的数据收集可以进一步做实,但从整体分析框架上看,共享单车的商业逻辑是成立的,作为互联网重资产模式,共享单车实际上是一项带杠杆的利率产品,其生命线是营收平衡以及由活跃用户数撬动的杠杆倍数,并不是某些人描述的庞氏结构那样,最终会一地鸡毛。

 当然,现实的情况是,无论是摩拜还是ofo目前远没有实现营收平衡,但基于它们拿到的融资,它们有1~2年时间去进行运营模式的探索和试错,其中的核心关键点我认为是两个:

 1.首先是大数据:其中最重要是通过对用户出行数据的挖掘,通过深度学习实现单车的供需预测和智能调度,共享单车的调度运输车就犹如“母舰”一样,在城市网格区域中游弋并实时调整单车的分布,提升单车实际使用率(即一辆单车能服务更多活跃用户),从而提升单车/押金杠杆率,并大幅降低运营成本,同时通过有序调度减少单车对市政路权的影响。

 

 2.其次是地方政府关系:共享单车项目其中一个被诟病的原因是单车野蛮生长对城市路权的霸占,单车乱停放,占道违反交通规则的情况已经日益严重,甚至在杭州等城市,已经接近了交管部门的忍耐极限。但之所以管理层未采取一刀切的方式限制共享单车,重要原因是管理层看到了共享单车在绿色出行和解决公共交通最后一公里问题方面的优势和贡献。但种种迹象表明,管理层和共享单车的“蜜月期”可能已经接近尾声,或许在很多主要城市将出台关于共享单车的严格限制政策,这点可以说是对共享单车行业迄今以来最大的不确定性,而这将深深考验各大共享单车运营商的政府关系处理能力。

 通过这两点我们可以看到,无论是1还是2,中小共享单车运营商实际上都基本不具备相应的关键资源能力,行业接下来将会是行业领先者的游戏,众多追随者将会被洗出市场,而未来政府将会加大对共享单车的监管力度,甚至不排除推出国家标准、采取牌照制方式规范化市场。

 对于共享单车未来的演进,其路径目前已经清晰了:不是每一玩家都能实现营收平衡,其中涉及大量的技术以及运营细节,只有规模化运营才能获取优势,而且也正只有行业领先者才能恰当处理与地方政府及管理层的关系,未来共享单车的行业集中度将会进一步提升。另外,政策监管将成为行业的最大变数,可以预期的是,各城出台类似网约车平台的管理细则是大概率事件,鉴于我国公权会渗透到一切其有能力管理的领域的特点,共享单车公共交通化管理或许是一个无法避免的趋势。在此趋势下,实质共享单车将沦为PPP模式,成为一种BOO(Build-Own-Operate)运作。

 届时,共享单车项目的营收将趋于稳定,由于捆绑政府产生的准公共服务属性,以及共享单车模式本身的重资产特点,其类似于带杠杆利率产品的模式特点将更加明显——投资方的投入能获得长期的、稳定的回报,但恐怕难以成为一头脱缰的独角兽。


雷锋网

不成熟的 NLP 技术与人工智能结合,下一个“商机”在哪儿?

雷锋网按:人工智能和自然语言处理技术的结合,不仅在资深互联网公司的战略中占据了重要的地位,也造就了大量极具生命力的创新性公司。人工智能和自然语言处理到底怎样结合的?这种结合存在哪些挑战?如何克服这些挑战?未来是否还有更大机会?

在第二届语言与智能技术高峰论坛企业论坛上,出门问问创始人李志飞、百度自然语言处理部总监赵世奇、奇点机智创始人林德康、微软亚洲研究院副院长周明、以及中科院软件研究所研究员孙乐组成了企业圆桌论坛,中科院信息工程研究生王斌担任主持,他们就以上问题进行了讨论。此外,他们就学术界和工业界的合作,自然语言处理技术的成熟度与产品需求的匹配等诸多问题也进行了深入探讨。

(雷锋网注:从左至右依次为王斌、林德康、李志飞、孙乐、赵世奇、刘丹、周明)

以下为对话内容实录,雷锋网做了不改变原意的编辑。

王斌:因为我也是原来做 NLP 出身的,做自然语言处理了人都知道,其实自然语言处理里面有很多内容,到后面的机器翻译,有一些技术不是很成熟。那么这个不成熟的技术怎么变成产品落地?其实是我们研究人员非常关心的一个问题。首先是志飞谈一下,中午他就提到对这个问题有一些很深的看法。

李志飞:我没有说我有很深的看法,但还是来说一下很浅的看法,确实自然语言处理的技术还不是很成熟,所以我觉得如果我需要做在产品里面,举两个例子,首先技术对用户真的是必须要用的。

比如说在车载里面如果不用语音来跟这个机器对话,然后开车的时候,我要换一个地址或者说我导了航又想换音乐,因为这个时候用户没有别的办法,所以他可能对你这个技术,也没那么挑剔,而且愿意学习一下。如果在手机上做到这样的话,他不会来学习怎么用的,上来就挑战他这个机器的智商,显得这个人自己很聪明,或者调戏一下。但在这里面,我觉得由于他有这个需求,所以哪怕自己花点时间,学习适应,他可能也会去用。我们在智能车载里面,发现日活跃 10 个用户打开了这个机器,可能7个用户都会用语音交互。

另外一个,说白了这个 NLP 或者自然语言对话,你不能把它作为最主要产品最重要的 Feature,只能拔到一个噱头或者当一个锦上添花的事情。也就是说,你得构建另外一个产品是用户必须需要的。在这个基础之上,再加上语音对话,有的时候他想用就用,不想用就不用。但要明白,他不是因为这个来买单的。

我觉得这两个例子是我自己从产品角度去看,就是第一个用户必须要用。第二个可能这个 NLP 的技术在这里面,不是说它是最最核心的一个用户买单的体验。

林德康:对,我们现在在做一部语音助手。但 NLP 技术好多东西也是不太成熟,其实我们也没有指望它是一个很成熟的技术。就是说要使用比如 Parsing 或者其他自然语言分析结果的时候,就把它会 Fail 的这些因素会考虑进去,然后跟其他的方法能够结合起来去用。

我们做这个自然语言产品,没有志飞他们时间长,现在体会就是说,对于自然语言这个产品,一个很大的困难就是用户期望很难确定,就是你能做的事情很少,拿个纸条告诉人家能够为他们做什么,那这就没什么机会去用了。另一个就是说,你让用户觉得你能做很多事情,但实际上没有任何一个产品能满足用户很多需求,这样用户就经常很恼火。

我们用一个办法去稍微去 Match 用户期望值到某一个应用里面,那企业会对这些应用有一些期望值。

赵世奇:我的看法第一个就是 NLP 技术可能很难讲每一个技术真的成熟了。分词可能算是成熟的,包括刚才林老师也说到的 Parsing,它现在的准确率也不低了,虽然仍然难以说是成熟的,但实际上,我们会发现这些大量的自然语言技术其实在产品当中用的也不少。

举一个例子,咱们说到翻译,其实在当年 Google 那个时候上了 Online Translation 的时候,远没有现在成熟,它仍然是上线了,仍然得到了很多用户使用。那今天其实是它在不断成熟的过程中,作用在不断的增大,但这不代表它不成熟的时候,就不能在一定程度上帮助到人们做一些事情。

另外还有一个方面,我们的产品和技术怎么互补的问题,当技术不成熟的时候,就好像说是 “人”这个字是一撇一捺支撑起来的。其实我认为产品的技术也是一样,人工智能产品上的自然语言交互技术本身现在不成熟,它周边设计了很多具体的技术。那我们在用的时候,显然会遇到的一个问题,基本上三句就问倒了,或者是不会做什么了。

在这样的一个情况下,产品和技术如何去互补?就像刚才林老师说的,收缩和控制人们的使用预期,同时把技术的那种可能性挽回到极致。我觉得这个是需要技术人员和产品人员一起去想办法解决的问题。

刘丹:我们从做人工智能机器人是从 2012 年在成都落地来做的项目,当时 NLP 我们也就估计有 3-5 个人能懂一点,包括分词、一些智能应用识别。

产品我们更多以结果为导向。相当于说它一个不成熟的东西,你必须把它推到线上。通过线上去论证,直到成熟为止,它从不成熟到成熟的过程,看你怎么定义它,我觉得它相对来说是一个不稳态。

但是通过现在大数据的存在,包括很多的消费者用到我们的智能产品,他会帮助我们的技术、产品做一个修正和提升,最终走向成熟,我觉得这是非常重要的。就是说我们做的产品或项目也好,肯定是给我们的消费者带来价值。否则不管成熟或者不成熟,都没有这个命题存在。

王斌:大家讨论的结果就是 NLP 这边有一些地方不太成熟,但是跟应用相结合,找到其中的一个平衡点。第 2 个问题就是从这几年开始大家看到深度学习席卷所有的领域,包括 NLP 的领域。那么有一个问题就是,这个语言学难道就没有什么用了吗?

周明:我自己的理解,语言学家其实在语言很多任务上起到了很重要的作用。早期就不用说了,写规则、语法词典。其实就是今天语言还有词典仍然起作用,比如说情感分析用字典,其实是语言学家帮助他来总结的。

还有一个标准体系,比如说情绪有多少种分类,其实语言学家可能告诉我们的没有那么准,语言学家帮助我们制定体系,这是一个盲点。

第二个,语言学家产生的语料,比如说知识图谱这些东西,可以帮我们产生数据,来增强学习过程。

第三个就是语言学家可以做测试点,就是做任何自然语言处理的,有几个关键的地方一定要测到。那么语言学家给你写出这种测试案例来,甚至是系统,就是基于语言点来测试,比你那种盲目的抽样测试可能更准。

最后一个是现在所谓的都在通过大数据来进行学习,但是没有或者很少进行建模和学习。恰好语言学家,能够提供给予相应的指导方式。我认为这些领域,大家应该巧妙的利用起来才对。

孙乐:我觉得自然语言处理这个领域,实际上就是一个交叉学科,可能不但需要语言学,还需要心理学、哲学,需要神经科学。比方说,如果我们在建这个知识图谱,在见证研究语言的一些关系。

实际上你需要去从这些哲学中,来对自然语言理解的世界进行理解,我们要从各个学科中去吸取一些新的经验。我们学会在组织每年这种报告的时候,我们特别会请一些语言学家。其中一个老师他就讲了一个词性问题,但他分析了大概十几种语言。

其实我觉得在场的很多老师得到了很多启发,我们在讲中文的特殊性,其实特殊的语言还有很多。还有另外一个比如说像从认知科学,如果说有这种新语言学家能够把婴儿学习语言的过程给我们揭示出来,对我们来说是非常大的一个帮助。

王斌:下一个问题是,一方面企业有真实的需求,有大量数据,也有计算环境。但是,研究界也有很多的资源,如何实现这个学术界和工业界的共赢?

林德康:其实,现在说深度学习那么重要都是工业阶层,但它是从学术界出来的,一直在学术界都不受重视,只有那么几个学者一直在坚持,坚持了几十年。学术界跟工业界研究不一样,在工业界一般有时间表,哪怕是在 Google 的研究部门也有这个压力,会问这个到底跟现在的产品有没有相关性。在产品部门就更是这样的了,产品部门基本上是按 Quarter 算的。

在学术界做研究的话,一般是凭着自己信念、兴趣,就不管最后是不是像 Deep Learning 那样成功,只要这个过程比较喜欢,才会有人去做。

李志飞:我之前也做过一段时间研究,后来就创业了。前一阵子建立了一个联合实验室,其实当时我就想说到底怎么样能够把企业跟学校的研究连起来。在美国的话,像这种暑期访问都有,但总的来说还没有达到一个特别好的效果。

在中国我觉得就更差,我看百度可能都没有这种教授暑期访问的计划。我当时想探讨的一个模式是什么呢?就是我特别想把这些博士生或者教授,能够带我们公司去待一个月或者待两个星期,先熟悉一下我们的系统,从里面的单元拿几个模块,然后了解每个模块大概往里面是怎么插的。

我的目标倒不是让这些老师或者学生去做我们的系统本身,但我觉得他可以先理解这个东西,然后再回到学校去,他甚至去抽象出问题,然后想想他搞的这些研究到底怎么能够跟我们的系统有一些关联,或者他有一些算法怎么插进去。最后,有一些东西,是不是直接会直接放在我们的系统里面去,我觉得这个是最好的一种模式。

但这个可能也没那么容易,因为很多学生他的压力很大,系统这个代码太复杂,他看两天可能就不看了。但我觉得这确实是特别核心的一件事情,如果说能够对系统又了解,然后又抽象问题,这块儿又能想出新的 Idea,然后 Idea 可以放在我们的产品里面去。但以前的话,学术上做一些 Demo,自己写不了 App,后台又没有,根本就没法 Demo 看。

而我们这里面其实一做进去可能第二天就可以看见了,所以我觉得能够以这样的模式去做的话,其实你刚才说的数据也好, Idea 或者人才成本也好,其实这些都不是什么问题。

赵世奇:刚才志飞提到教授访问计划,百度其实是有的,包括青年学者到百度访问,一般是几个月,也有超过半年,然后确实也做了一些对于公司很多方向有帮助的一些研究成果,实习生就更不用说了。

现在还有另外一个问题,就是数据共享,那我就记得每次参加 Panel 这样的环节,都有这个问题。就是为什么不公布数据、为什么不共享数据,你们是有这样的责任和义务的。其实这对于一个企业来说,它有这种服务用户的义务,它为用户的数据去保密,去慎重使用用户数据的义务。

这个数据能不能在合理合法和恰当的范围内和学术界来实现共享,我觉得这个作为企业来说,也应该算是一个思考。其实,之前我们说要不然不共享,要不然就是全盘突出的共享。但我有没有一个更安全、更合理方式的保证。我们说大家研究可用,甚至说包括一些开发者的开发可用,另一方面我们对于用户是安全的,也能够尽到它保护用户隐私和数据的责任。

我举个例子,像我们现在也在探讨一些方式,我们今年开放面向开发者的一个平台,它是做语言理解和交互技术的。那我们就意识到,开放这样一个平台只有技术的情况下其实是不够的。尤其像理解交互,没有数据的话大家是没有办法做的,所以有一种方式就是说,在平台上大家可以去提交自己标注的小范围、小规模的数据。

有了这些数据之后,我们其实可以从百度大数据里面,自动通过语义计算方式去筛选出来和你的数据最相似的一些数据,甚至可以筛选出来和你最容易错的那些数据最相似的数据。那么这些数据再提供给我们的开发者来做标准,这个过程它其实就是变成一种,我把所有最相似、最有用的那一部分数据给你。当然,这个前提是我们确保这些数据不会构成对用户隐私的侵犯。通过这种方式,我们希望可以达到更好的一个折中的状态。

刘丹:其实我们京东也在高校有一些合作,包括跟国内外大学建立了一些联合实验室,做一些课题,包括在做一些深度学习相关的一些算法研究。但更重要的是这些模型都来自于一个学术界的一些新的 Paper 或者新观念,大家都能看得到。

数据的问题,这个安全性很重要,包括京东上有用户家里面的数据,数据是相当高质量的。所以,这对我们来说相当重要。那我们在做深度学习也好,包括相关算法提升也好,就是这个数据,到底怎么来提供给你?学生的话可以来加入我们,这个数据可以整个开放给他。但是外面的人,我觉得可以通过借用的方式。

这个我们可以找出一部分相关的一些数据做一些数据透明,挖出来他的用户信息、电话等相关信息。这样的话,可以拿来做一些训练,包括做一些标准,未来上线的一个评测。用户觉得这个是没问题的,现在我们有一个模算师的平台就是做这个工作,里面沉浸了大量的一些区域面。未来如果有一些对 Chatbot 比较感兴趣的可以来做一些探讨。

王斌:大家知道人工智能现在是非常火,7 月 20 日我们国务院发布了一个新一代人工智能的规划,这个事情对我们到底有多大的意义?

周明:第一,我想说的就是,人工智能春天来了,给大家提供了很好的机会,包括政府支持产业知识结构,有无穷多的机会。这也是我们这一次峰会的宗旨,就是提供一个交流平台,让大家能够茁壮成长。

第二,要有清醒的头脑,也不是说一窝蜂上什么都见效,然后大家都发财。只有有前瞻性、还有像李志飞这样有商业头脑的人,还有机会超越。

比如说研究上你不能一窝蜂看人都做 Deep Learning,所以你也做这个,那不会有超越。我总在想,在别人做了某些事情的时候,能不能就不做,或者就是想,我如果是他,我下一步应该做什么?这个应该好好去定位,找一些新的机会。

我们作为在校的同学,其实要做一点有用的研究,要及时接触学术界的需求,不能就是在书本上来回来去该参数,以抄文章为主。所以要有更大的抱负,如果能够很好施展的话,一直到 2030 年,我认为一直是中国一个很好的机会,也是大家做学问、做产业的一个机会。

孙乐:因为这个也是很多院士花了挺长时间来呼吁国家来做部署,从咱们的国情来讲,就是政府发文然后去一级级定,还是非常重要的。这个对咱们来说,是非常好的一个机会。然后就是我非常赞同的就是周明老师讲的,做研究你还是需要比较冷静的来看。就是大家都热起来了以后,大家都做问答,你是不是要去跟风做这个问答?

然后,从这个研究落地的角度讲,就是政府出台政策的目的是拉动经济。根本性的目的是因为我们国家产业转型,人工智能是一个关键,从我们做研究的角度讲,只有技术能找到一个落地点的话,才会得到更多的指示。

李志飞:从我个人来说,我是不太喜欢这种资源上倾斜或者怎么样。其实任何一项技术,尤其人工智能这种技术,它一定有自己的周期规律。如果说想靠政府支援或者钱去催熟这个行业或者一些企业,我觉得这就是一个对比性的事情。所以我不希望我们能够拿到什么国家资助,我从来不这么想。

我觉得对一个非常商业化的企业来说,自己在市场上有竞争力就好了,而不是靠政府补贴、资源倾斜,或者给你什么开绿灯,我觉得这个就失去了创业本质,当然我说这个话也没有用。我觉得中国政府最应该做的是什么?就是创造一个公平的创新环境,首先我觉得大的战略是非常好的。我是说不应该给某些企业或者几个什么院士(我觉得这个也可以),但是绝大部分钱应该是构建一个创新机制、环境,然后让大家公平竞争。

因为如果不是这样的话,那就会有很多投机者,就天天去跟政府搞关系,做一些假什么的。其实过去很多的事情都是这样的,所以我觉得最终这个钱,一定要花在创造一个创新环境中是最重要的,而不是说,倾斜某一个行业或者某一个企业,让很多投机者去搞政府关系。

赵世奇:无论是中国还是美国其实都在人工智能方面出台了国家级重要的战略规划。我觉得其实这个是因为国家看到了这个方向的重要意义,包括我们说现在很多人现在进入到了一个新时代,农业社会到工业社会、信息社会到今天这种智能社会。要我想其实在智能社会里,取得胜利的国家也许只有中国和美国,其他的国家也许逐渐都会被落到后面,无论是他整个人才储备还是数据储备。

有人说,在新的人工智能时代里面,数据是新能源,尤其是在中国,它那么多人口基数,有这么密集的数据。它在人工智能方面具有更多的先机,所以具有一个非常好的基础设施,还比美国有更好的条件、资源的储备。这个是我们很大的一个机会,同时我认为有国家推动,客观讲它一定会对这个人工智能在中国的发展起到一个很强的推动作用。

王斌:最后一个问题,大家觉得语言和智能结合的下一个突破、商机或者是技术上的突破在哪儿?

林德康:很多人说深度学习在自然语言没有很大的突破,但是我觉得这个方向还是有可能性的。因为,就是从我们公司自己用深度学习,然后做语义识别,从这个就可以看出来这个深度学习还是很神奇的,不过我们做计算语言的,不去使劲的想这件事儿,有可能将来就变成负担了。

李志飞:我更多从应用的角度看一下,在计算层面,过去 5 年其实整个世界发生了一个翻天覆地的变化。语义识别等这种偏模式识别得到了特别大的应用,无论是创业公司还是大公司,对这方面投入很大。但是我觉得现在可能到了要把这个,在过去的移动时代通过各种传感器收集到数据,把它 Make Sense,就是把自然语言理解以及知识图谱跟物理世界结合起来。我觉得无论是从这个应用层面,还是从学术层面都是最重要的一个事情。

今天自然语言交互或者说理解为什么这么差,就是因为我们对直觉、对物理事件没有建模,我们的知识库也是非常有限。

未来怎么样能够使计算机有直觉,对这个物理世界的知识建模能够做的更好,然后怎么从文本信息能看到一些东西,但是又有一些推理、直觉去结合起来,最后可能才能对整个计算机世界有更好的理解。

孙乐:我觉得自然语言的理解经过多少年的发展,实际上我们到目前还没有一个清晰的理论体系,或者叫建模的一个公式,就好比说我们的目标是设计飞机,但实际上我们没有空气动力学原理。所以我觉得我们未来的突破,可能就在于从语言认知机理中找到那样一个“空气动气学原理”。这个可能会实现,只有有了这个以后,我们才能真正在语言和智能方面取得突破。

赵世奇:我认为可能有两个方面,第一个方面就是随着应用不断的拓展,我们其实会发现很多新的 NLP 的问题。比如说纠错,咱们说语音紧接着再接上自然语言,中间的这个纠错能力就很难解,包括语音翻译也是,那这样的问题怎么解决?其实这就是一种新的问题,包括说我是不是端到端的语义,还是说我们虽然是级联式的,但是中间有什么新的问题和解法,这是一方面的,是我们在应用中去找到新的问题点。

还有一个是很有意思的是,其实人工智能的发展,是多领域齐头并进的,语音、图像、视频,这是其中第一阶段的发展。那么这些发展的各个方向如何去联合做一些研究,比如说现在也有叫多模态的 NLP,那就是说我如何借助图片信息理解来辅助语言理解。反之亦然,这是一个联合优化的过程。

刘丹:我简单的说一下,我觉得人工智能要做好这个东西,未来的发展方向,更重要的是回馈到每一个的用户,跟我们生活产生真正的价值。不管你做多么花哨,不能给用户带来价值,其实应该就是一个没用的技术。包括我们现在做客服机器人一样,如果不能给消费者解决问题,纯粹是做一些无关的东西,未来发展也会受到一些很大的瓶颈。

所以,我们在未来怎么去解决人工智能,真正的是给我们在消费者用也好,生活中每一个环境也好,能够降低成本,提高效率,给我们整个生活带来更多便利,我觉得这是 AI 需要主要考虑的方向。

周明:我认为这个在研究上和应用上可能都有回答的机会。研究上我们认为提现一个“跨”字,就是语言跟多模态的结合。比如语言跟视频还有图像结合,我们找自然语言、找图像的时候,他们都有自己的局限性。如果谁先走一步,也许就是新的机会。

第二,神经网络跟知识结合,也是符号跟网络结合,李航老师也讲过,可能知道我们好好探讨。应该上的话,其实我们搞自然语言的应用,很多搜索引擎是自然语言的应用。像今日头条那种,新闻聚合是一种应用。

那么未来最大的自然语言的机会在哪儿?有人说 IOT,有人是说语音助手,这些东西真的很难说。但我自己觉得,机器翻译有可能会孕育出一个公司,很多比较大的公司。但是,李志飞和林德康都不一定同意,说机器翻译不好挣钱。但我觉得要仁者见仁,智者见智,谁要把机器翻译好好酝酿,出来一个大公司也是极有可能的。

但是我这里想提的一个是所谓 BI(Business Intelligence)。就是自然语言去放在大数据这种环境来看,它是分析自然语言的这种数据,把 BI 做好了之后、把数据分析好了之后,放在这个业务里面,比如说法律咨询、医疗、教育各个方面都可以有广泛的应用。但是在那个应用的时候,别人真不知道这个背后是自然语言技术。所以我是觉得把自然语言当做一种无形的一种技术,融入到很多的垂直用户的痛点问题上,这样可能是回答一些问题,可能也是产品化的一些机会。

雷锋网

花旗的野心:如何通过AI与数字化适者生存?

雷锋网报道,当地时间7月25日,花旗集团举办了自2008年次贷危机以来的第一个投资者日(Citi’s investor day)。活动上,花旗介绍了现在至2020年的收入和投资回报目标规划,并肯定了零售银行业务,整合新技术和分行转型三项举措的意义,将带领花旗发现新高地。

以下是花旗宣布的近几年规划关键数字:

  • 到2020年,有形普通股的预期回报率将达到10%;全球房地产业务量已较2013年下降了25%,2020年再下降25%;

  • 过去三年分行数减少16%,共节省4亿美元费用;人员减少12%,节省8亿美元;

  • 自去年以来,全球市场ATM扩张了50%;移动用户增长40%;移动获客量增长了15%。

数字化转型

针对高端用户的移动银行

花旗依靠零售银行和财富管理业务,推动了储蓄增长和盈利改善。去年12月,花旗FinTech部门推出了他们的首款产品,专为Citigold客户(存款至少20万美元)的移动银行产品,包括基本银行业务、财富管理、转账、身份验证等功能。

Citigold客户群体不论是贷款、存款、资产管理额均占银行总额的60%,花旗全球消费银行业务 CEO Stephen Bird表示,每个客户带来的利润是大众客户(余额不足5万美元)的25倍。

FinTech CEO Yolande Piazza已在花旗工作了30年,她表示fintech的成立初衷是提高效率,在为客户提供优质服务的同时,对传统工作机制和协议也发起了挑战。

“有一个常见的误解是,传统银行无法像创业公司这样高速运转。因为他们体量太大,以致于难以发生改变。我们致力于创造一种非传统银行的文化,以非常高效的方式运作。此外,fintech这个词毫无疑问非常适合创业公司,但事实上,更重要的是,创业公司如何与银行合作共同为客户提供更好的服务体验。”

削减分支机构

据雷锋网了解,在采取最激进的方式关闭并升级分行的大型银行名单中,花旗名列前茅。据联邦存款保险公司( Federal Deposit Insurance Corporation. Chase)数据显示,随着房产成本的上升,很多银行开始收缩分支机构。2012到2016四年间,花旗银行关闭了302家分行,摩根大通、富国银行、美国银行分别关了190、98和243家。

“未来分支机构会继续保持联系,它们的主要功能将是咨询和财富管理。分行的数量和体量会变小。当然,重要区域的网点可以有更大的体量。“

Bird说。

他给出了一些数据:过去三年,花旗银行的分行数量减少了16%,费用缩减了4亿美元。自去年以来,花旗全球ATM数量增长50%。

Bird表示,花旗集团的目标是通过“完全数字化”方式来获取、吸引和服务客户。

Citigold APP去年增加了85%数字功能,一年可以容纳18亿客户接触点。Price Rewind、Quick Lock以及请求跟踪替换卡功能就是典型的例子。去年,花旗数字交易量增长了15%,移动用户增长了40%。

作为银行数字化潮流中的先锋军,花旗重新设计了分支机构运营模式和简化组织结构,减少12%员工人数,从而节省了8亿美元费用支出。

Gerspach表示:“花旗转型不仅可以提高客户体验,还能提高效率。到2020年,我们预计电话服务、纸质报表和付款行为将减少三分之一,客户消费业务服务成本下降会超过20%“

处于人工智能转型期

人工智能无疑是近年来明星技术,而金融也一向被看作最适合AI应用的领域之一。据介绍,花旗正在部署机器学习和大数据平台。目前已有超过160个真实的使用案例,预计到今年底时,数量将超过200个。据CFO John Gerspach的说法,依靠人力运行程序,大约需要1000名员工。尽管目前的技术还处在非常早期阶段,足可见它们的潜力。

新模型能够帮助花旗更加深入了解客户:他们有几张卡,什么类型的卡,最常使用的卡类型,哪张卡存款最多。基于这些认知,银行可以针对客户提供更个性化服务,比如,如果有客户拥有竞争对手的cashback信用卡,花旗可以为其提供更高的现金返还信用卡;如果她倾向于存款消费,则可以向她提供花旗简约卡。

Bird表示,新技术极大提高了响应率和效率,消费活动是原来的五倍,存款增长了三倍半。John Gerspach表示采用这些技术后,花旗抛弃了1200多台传统服务器,2020年将转移到更移动数字化的工作环境,80,000台物理桌面将会消失。同时,预计新技术将会削减至少10亿美元的支出。

据雷锋网了解,花旗还有多项与AI相关的产品还处于研发阶段。

副总裁兼全球数据分析师 Berkan Sesen2013年刚到花旗时,主要进行交易量化算法研究,目前他的团队正在将机器学习应用于市场营销,尤其是信用违约互换交易领域。据他透露,该系统将会在近未来投入实际使用。

今年七月,花旗银行全球消费银行零售银行负责人Lawrence Lam对外媒表示,银行正打算开发AI客服来回答客户一些简单的问题。同时,他也说明,这并不意味着真人客服会消失,至少目前他们还投入了大量人力资源。

除了自身孵化AI项目,花旗还通过旗下风险投资公司Citi Ventures扶持AI的研究应用,并在全球设立了六家创新实验室。花旗风投总经理与投资负责人Ramneek Gupta表示,

“机器学习、大数据分析是Citi Ventures的重点投资领域,我们对于安全、客户服务、合规性、数据及分析方面都有很大的兴趣。”

据CBinsights调查统计,花旗是美国各大行中最热衷于fintech风投的银行,2012年到2017年共参与了30轮,22家公司投资活动。

事实上,花旗早已意识到金融科技的变革力量。据花旗研究,未来十年,fintech将使传统银行的近三分之一的人员失业。 Stephen Bird曾使用一个古生物学里的术语来比喻金融行业的情形。

“我将之描述为灭绝阶段。在灭绝阶段,要么你能够快速适应,并且形成新形式的竞争态势,不然只能销声匿迹。”

这是一场花旗或者说所有银行正在进行的一番达尔文式的适者生存斗争。

部分资料 via tearsheet

雷锋网

AI应用于会计行业,每年或为企业节省数百万美元;中国法院正在将AI引入办案系统 | AI掘金晚报

AI应用于会计行业,每年或为企业节省数百万美元

除了法律和医学领域,AI将如何帮助到会计师群体呢?从个人角度来说,会计师在日常工作中任务繁多,有很多实际需求得不到解决;从行业角度来看,目前会计行业从业人数已达饱和,但比较缺乏高级专业人才,对于很多企业来说,想要从会计师那边得到专业的商业咨询比较困难,而这直接影响到相关企业得到正确的、符合法律法规的财务报告。

那么AI将如何帮助解决这个问题。

目前AI相关公司通过大量的训练来帮助解决这些问题。但值得注意的是,企业仍然需要会计师来对执行结果进行“把关”筛选,因此它只会更好地服务人类,而不是取代会计师的工作。如果相关技术能够一直发展完善并得到用户的认可及使用,它将为用户节省大量的时间和金钱。

那么,人工智能系统如何与会计师及企业进行交互?——聊天机器人。

聊天机器人变得越来越普遍,用户可以通过其进行自然语言查询,或者通过语音识别组件与之交谈,查询处理器连接到人工智能,然后人工智能连接到企业的数据库以及互联网,为用户带来丰富的专业信息。这些通常有多个组件用于语音输入、自然语言处理、了解各种业务领域的专业知识,以及多种呈现结果的方式。

在使用过程中,有一些聊天机器人以失败告终,比如微软的Twitter聊天机器人,很快就变成了一个“种族主义者”。不过,据雷锋网了解,目前已经开始看到一些成功案例,比如Sage的Pegg或荷兰航空公司的Messenger机器人。此外,像Alexa、Siri和Allo这样的通用机器人也变得相当智能,还有一些非常棒的工具包,比如Amazon Lex,它可以用来开发聊天机器人,因此对于越来越多的开发人员来说,这将变得非常容易。

中国法院正在将AI引入办案系统

近日,在杭州举行的2017“法律+科技”领军者国际峰会上,最高人民法院司法改革办公室规划处处长何帆表示,中国法院一直在努力地把人工智能引入办案系统。

何帆说:“人工智能对法院未来的模式会有很多的改变,比如它改变了法官的判断和决策的模式,过去法官根据自己在庭上的所看所想,以及他对法律的理解就可以做判断,但是现在可能需要用人工智能软件进行推演。此外,人工智能对我们的诉讼流程发生一些改变,随着人工智能的推进,未来可能要制定一部互联网的诉讼法。”

目前,“AI办案”的一种理想呈现模式是上海刑事案件智能辅助办案系统,简称206工程。该系统将公安局、检察院、法院的所有数据办案系统打通,以人工智能在过去海量证据规则和法律规则的吸收基础之上,对办案人员进行提醒,重构刑事案件的办案流程。自5月3日在25个试点单位上线以来,“206”试运行已满两个月。“206”在对上海几万份刑事案件的卷宗、文书数据进行学习后,这个以大数据、云计算和人工智能为技术内核的“小婴儿”,已经具备了初步的证据信息抓取、校验和逻辑分析能力。

微软推出一种基于云的工具,用AI检测软件安全风险

以往,大部分公司都会专门聘请网络安全专家来解决这些问题,但面对日益渐多且复杂的软件程序,很多专家也显得力不从心。而近日,微软发布了一个“AI安全风险检测”工具,可以即时、高效地解决这些问题,保护系统免受攻击。

该工具借助了云的功能,在内部扩展了当前的测试协议,为开发人员提供可能错过的解决问题的方法。据微软称,如果软件有任何问题,企业可以通过该工具来主动处理并做好应急准备。

微软研究员David Molnar所领导的团队开发了这套风险检测工具。Molnar表示,风险检测服务可以作为辅助手段,帮助开发人员借助人工智能来查找安全问题,当查找出漏洞之后,开发人员可以使用其它工具来修复漏洞、降低风险或探索其它解决方案。

雷锋网了解到,微软安全风险检测服务的特别之处在于它能发现可能触发崩溃并引发安全隐患的因素。每次运行时,它都会重点关注最为关键的区域,以寻找其它未采用智能方法的工具可能会忽视的漏洞。

Molnar表示,这套工具非常适合独立开发软件、修改现成软件或使用开源产品许可证的企业。

DocuSign公司是一家帮助用户以电子方式而不再以纸笔方式签署文件的公司。他们参加了2016年秋季发布的Windows版风险检测服务的小范围试用。DocuSign软件安全高级总监John Heasman表示,这套工具帮助他们识别出了其它方式可能无法发现的潜在错误。

Anodot利用人工智能克服人们在数据分析方面的限制

据外媒报道, 以色列实时分析和异常检测的大数据创业公司Anodot目前正在使用先进的机器学习算法来克服人类在数据分析方面的限制。 人工智能可以通过分析所有数据提出更多的答案,而Anodot认为没有将机器学习整合到数据分析中的电子商务公司将会出现亏损。

Anodot营销副总裁Rebecca Herson解释了这个领域对人工智能的需求:“因为有这么多的数据被生成,人类无法浏览所有数据。有时,当我们为企业分析历史数据时,他们会无法辨别出数据,并且不知道从哪里找到数据。很明显,企业知道一旦服务器崩溃后,他们很难找到所有数据。”

这不仅仅关乎销量下降,还有产品供应中断和客户满意度等数据。在许多案例的研究中,Anodot发现其机器学习软件发现的异常值的80%是负面因素,而不是积极的机会。这些公司因为没有意识到具体问题而出现亏损。Anodot正在使用无人监督的人工智能,它可以通过深度学习自主地找到新的方式来分类和理解数据。

雷锋网

苹果下架中国区主流VPN应用

雷锋网消息,根据纽约时报的报道,苹果下架了中国区App Store的一些主流VPN应用。

据报道,一些公司收到了来自苹果的通知,称他们的APP已从中国区应用市场下架。

一个名为ExpressVPN的应用在其博客上称,苹果给出的解释是产品违反了中国法律,应用中包含一些非法的内容。这家公司还称,他们发现所有的主流iOS端VPN应用都被下架了。

ExpressVPN收到的通知

另一家名为Star VPN的应用也称收到了同样的通知。

雷锋网以VPN为关键词搜索中国区苹果商店,发现还是有很多应用可以下载。不过上述两家的应用确实搜不到。

之前有消息称,明年2月国内会停止所有VPN服务,不过后来工信部称,规范对象主要是未经电信主管部门批准,无国际通信业务经营资质企业和个人。

苹果越来越重视中国市场。不久前雷锋网报道,苹果将在贵州建其在中国的首个数据中心。另外,一个多星期前,苹果还宣布任命原苹果无线技术副总裁葛越女士担任大中华区董事总经理,全面负责中国的业务和团队,而且这一职位为新设立的。

雷锋网